Table of Contents in this notebook

• Chapter 1 2021년 1월 서울시 정류장 좌표데이터

  • Section 1.1 서울시 정류장 좌표 데이터 시각화

• Chapter 2 2021년 1월 평일 버스 노선 데이터

  • Section 2.1 서울시 버스 정류장 개수 & 1월 평일 승차 버스 정류장 개수
  • Section 2.2노선 17, 143, 01A, 100에 대해 시각화

• Chapter 3 기존 환승센터

  • Section 3.1 기존 환승센터 좌표
  • Section 3.2 기존 환승센터 시각화

회사에서 서울시 시민들의 버스 데이터를 처리해서 대중교통의 흐름을 파악하고 어디에 환승센터를

설립하는 것이 좋을지에 대한 판단을 위해 데이터를 다루어 보기로 했습니다.

Chapter 1

2021년 1월 서울시 정류장 좌표데이터

import pandas as pd
bus_stop = pd.read_csv('C:/jupyter_data/서울시버스정류소좌표데이터(2021.01.14.).csv')
bus_stop.head()

	표준ID	ARS-ID	정류소명	X좌표	Y좌표
0	100000001	1001	종로2가사거리	126.987786	37.569764
1	100000002	1002	창경궁.서울대학교병원	126.996520	37.579179
2	100000003	1003	명륜3가.성대입구	126.998290	37.582709
3	100000004	1004	종로2가.삼일교	126.987507	37.568582
4	100000005	1005	혜화동로터리.여운형활동터	127.001694	37.586230

Section 1.1

서울시 정류장 좌표 데이터 시각화

• 서울시 최신 정류장 좌표 데이터를 이용해서 python folium 패키지로 시각화 했습니다. 총 len은 10921개입니다.

import folium
folium.__version__

'0.12.1'

x = bus_stop['X좌표'].mean()
y = bus_stop['Y좌표'].mean()
m = folium.Map([y,x],zoom_start=10)

for i in bus_stop.index:
    long = bus_stop.loc[i,'X좌표']
    lat  = bus_stop.loc[i,'Y좌표']
    
    title = bus_stop.loc[i,'ARS-ID']
    
    color = 'green'
    folium.CircleMarker([lat,long],color =color, radius = 5, tooltip=title).add_to(m)

m.save('example.html')
m  

Make this Notebook Trusted to load map: File -> Trust Notebook

Chapter 2

2021년 1월 평일 버스 노선 데이터

bus_route = pd.read_csv('C:/jupyter_data/노선별_OD_20210119.csv')

bus_route

C:\Users\ok762\.conda\envs\py38\lib\site-packages\IPython\core\interactiveshell.py:3172: DtypeWarning: Columns (1) have mixed types.Specify dtype option on import or set low_memory=False.
  has_raised = await self.run_ast_nodes(code_ast.body, cell_name,

	기준일자	노선명	승차_정류장ARS	승차_정류장명	하차_정류장ARS	하차_정류장명	승차_정류장순번	하차_정류장순번	승객수
0	20210119	17	3689.0	청암자이아파트	3247.0	용문시장	1.0	9.0	1
1	20210119	17	3689.0	청암자이아파트	3250.0	용산전자상가입구	1.0	10.0	1
2	20210119	17	3689.0	청암자이아파트	3252.0	신용산.지하차도	1.0	11.0	1
3	20210119	17	3689.0	청암자이아파트	3255.0	용산역	1.0	12.0	6
4	20210119	17	3689.0	청암자이아파트	3298.0	청암동강변삼성아파트	1.0	2.0	1
...	...	...	...	...	...	...	...	...	...
466675	20210119	중랑02	7526.0	새마을금고	7528.0	진주빌라.바다약국	23.0	25.0	5
466676	20210119	중랑02	7526.0	새마을금고	7529.0	진로아파트앞.종점	23.0	26.0	5
466677	20210119	중랑02	7527.0	공판장	7500.0	진로아파트앞.종점	24.0	1.0	1
466678	20210119	중랑02	7528.0	진주빌라.바다약국	7528.0	진주빌라.바다약국	25.0	25.0	1
466679	20210119	중랑02	7529.0	진로아파트앞.종점	7529.0	진로아파트앞.종점	26.0	26.0	1

466680 rows × 9 columns

Section 2.1

서울시 버스 정류장 개수 & 1월 평일 승차 버스 정류장 개수

서울시 버스 정류장 데이터로 살펴보면 버스 정류장 개수는 10921개

1월 평일 승차 버스 정류장 수는 12185개이다.

• 경기도에서 승차된 경우도 같이 체크하기에 정류장의 수가 차이가 난듯 합니다.

노선의 개수는 624개

• 정류장명으로만 하면 겹치는 데이터가 많다. 즉, 정류장명은 기본키로 부적절하기에 승차_정류장ARS를 기본키로 생각하자.

bus_route.isnull().sum()

기준일자           0
노선명            0
승차_정류장ARS    964
승차_정류장명        0
하차_정류장ARS    150
하차_정류장명       36
승차_정류장순번     969
하차_정류장순번     154
승객수            0
dtype: int64

bus_route.drop_duplicates(['승차_정류장명'],keep='first').isnull().sum()

기준일자          0
노선명           0
승차_정류장ARS    33
승차_정류장명       0
하차_정류장ARS     0
하차_정류장명       0
승차_정류장순번     33
하차_정류장순번      1
승객수           0
dtype: int64

len(bus_stop)

10921

route_len= bus_route.drop_duplicates(['노선명'],keep='first').dropna()
len(route_len)

624

route_n= bus_route.drop_duplicates(['승차_정류장명'],keep='first').dropna()
len(route_n)

7807

route_e= bus_route.drop_duplicates(['승차_정류장ARS'],keep='first').dropna()
len(route_e)

12185

Section 2.2

노선 17, 143, 01A, 100에 대해 시각화

• 각 노선에 속한 정류장들을 분류하고 그것들의 경도(X좌표,lng)와 위도(Y좌표,lat)를 구하기 위해서 ID가 같을 경우 좌표 데이터를 대입후에 folium 패키지로 시각화 했습니다.

import numpy as np
route17 = bus_route[bus_route['노선명'] == '17'].drop_duplicates(['승차_정류장ARS'],keep='first').reset_index()
route17["X좌표"] = np.nan
route17["Y좌표"] = np.nan

for idx in route17.index:
    stop_name = route17.loc[idx,'승차_정류장ARS']
    
    df_ex = bus_stop[bus_stop['ARS-ID'] == stop_name]
    
    route17.loc[idx,'X좌표'] = df_ex.iloc[0]['X좌표']
    route17.loc[idx,'Y좌표'] = df_ex.iloc[0]['Y좌표']

route17
route17 = route17.dropna(axis=0)

route143 = bus_route[bus_route['노선명'] == '143'].drop_duplicates(['승차_정류장ARS'],keep='first').reset_index()
route143["X좌표"] = np.nan
route143["Y좌표"] = np.nan

for idx in route143.index:
    stop_name = route143.loc[idx,'승차_정류장ARS']
   
    df_ex = bus_stop[bus_stop['ARS-ID'] == stop_name]
    if df_ex.empty:
        df_ex.dropna()
            
    else:
        route143.loc[idx,'X좌표'] = df_ex.iloc[0]['X좌표']
        route143.loc[idx,'Y좌표'] = df_ex.iloc[0]['Y좌표']


route143
route143 = route143.dropna(axis=0)

route01A = bus_route[bus_route['노선명'] == '01A'].drop_duplicates(['승차_정류장ARS'],keep='first').reset_index()
route01A["X좌표"] = np.nan
route01A["Y좌표"] = np.nan

for idx in route01A.index:
    stop_name = route01A.loc[idx,'승차_정류장ARS']
   
    df_ex = bus_stop[bus_stop['ARS-ID'] == stop_name]
    if df_ex.empty:
        df_ex.dropna()
            
    else:
        route01A.loc[idx,'X좌표'] = df_ex.iloc[0]['X좌표']
        route01A.loc[idx,'Y좌표'] = df_ex.iloc[0]['Y좌표']

route01A = route01A.dropna(axis=0)

route100 = bus_route[bus_route['노선명'] == '100'].drop_duplicates(['승차_정류장ARS'],keep='first').reset_index()
route100["X좌표"] = np.nan
route100["Y좌표"] = np.nan


for idx in route100.index:
    stop_name = route100.loc[idx,'승차_정류장ARS']
   
    df_ex = bus_stop[bus_stop['ARS-ID'] == stop_name]
    if df_ex.empty:
        df_ex.dropna()
            
    else:
        route100.loc[idx,'X좌표'] = df_ex.iloc[0]['X좌표']
        route100.loc[idx,'Y좌표'] = df_ex.iloc[0]['Y좌표']
        
route100 = route100.dropna(axis=0)

import os

F_17 = folium.FeatureGroup("F_17")
F_143 = folium.FeatureGroup("F_143")
F_01A = folium.FeatureGroup("F_01A")
F_100 = folium.FeatureGroup("F_100")

line_17 = route17[['Y좌표','X좌표']]
line_17 = line_17.values.tolist()

line_143 = route143[['Y좌표','X좌표']]
line_143 = line_143.values.tolist()

line_01A = route01A[['Y좌표','X좌표']]
line_01A = line_01A.values.tolist()

line_100 = route100[['Y좌표','X좌표']]
line_100 = line_100.values.tolist()


center = [37.541, 126.986]
m = folium.Map(location=center, zoom_start=11)


folium.PolyLine(
    locations = line_17,
    tooltip = 'PolyLine',
    color = "red",
    weight= 4
).add_to(F_17)

folium.PolyLine(
    locations = line_143,
    tooltip = 'PolyLine',
    color = "#08f",
    weight= 4
   
).add_to(F_143)

folium.PolyLine(
    locations = line_01A,
    tooltip = 'PolyLine',
    color = "#0c0",
    weight= 4
   
).add_to(F_01A)


folium.PolyLine(
    locations = line_100,
    tooltip = 'PolyLine',
    color = "#f80",
    weight= 4
   
).add_to(F_100)

F_17.add_to(m)
F_143.add_to(m)
F_01A.add_to(m)
F_100.add_to(m)

m.save('example.html')
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Chapter 3

기존 환승센터

Section 3.1

기존 환승센터 좌표

• 새로운 환승센터를 구하기 위해서는 기존의 환승센터에 대한 정보가 필요하다고 생각이 들어 서울에 있는 환승센터, 교통중요지등의 좌표를 구해서 DataFrame으로 만들었습니다.

#복정역환승센터는 뺌

star = pd.DataFrame({'Hubs':['도봉산역 광역환승센터', '구파발역 광역환승센터','청량리역 환승센터', '서울역 버스환승센터', 
                             '여의도 환승센터', '개화역 광역환승센터','천왕역 광역환승센터', '구로디지털단지 환승센터',
                             '잠실 광역환승센터','강변역 환승센터', '서울고속버스터미널','남부터미널'],
                             'X좌표':[37.691045996752, 37.64015861113067, 37.58037340515229, 37.555422066901336, 
                                    37.52630414701834, 37.578556765067766,  37.48735340433893, 37.48535927486731, 37.51249663491269,
                                   37.535242611502774, 37.50549269117386, 37.48430404681668],
                             'Y좌표':[127.04363645660402, 126.91842031753778, 127.04595855803123, 126.97260814186792, 
                                    126.924097109514 , 126.79749609583804, 126.83915199768646, 126.90190880569521, 127.10058008234365,
                                   127.09467354001603, 127.00711388419461, 127.01602179398392]})
star

	Hubs	X좌표	Y좌표
0	도봉산역 광역환승센터	37.691046	127.043636
1	구파발역 광역환승센터	37.640159	126.918420
2	청량리역 환승센터	37.580373	127.045959
3	서울역 버스환승센터	37.555422	126.972608
4	여의도 환승센터	37.526304	126.924097
5	개화역 광역환승센터	37.578557	126.797496
6	천왕역 광역환승센터	37.487353	126.839152
7	구로디지털단지 환승센터	37.485359	126.901909
8	잠실 광역환승센터	37.512497	127.100580
9	강변역 환승센터	37.535243	127.094674
10	서울고속버스터미널	37.505493	127.007114
11	남부터미널	37.484304	127.016022

star_line = star[['X좌표','Y좌표']]
star_line = star_line.values.tolist()

star_line

[[37.691045996752, 127.04363645660402],
 [37.64015861113067, 126.91842031753778],
 [37.58037340515229, 127.04595855803123],
 [37.555422066901336, 126.97260814186792],
 [37.52630414701834, 126.924097109514],
 [37.578556765067766, 126.79749609583804],
 [37.48735340433893, 126.83915199768646],
 [37.48535927486731, 126.90190880569521],
 [37.51249663491269, 127.10058008234365],
 [37.535242611502774, 127.09467354001603],
 [37.50549269117386, 127.00711388419461],
 [37.48430404681668, 127.01602179398392]]

Section 3.2

기존 환승센터 시각화

• #### 주관적으로 정한 기존의 환승센터 지점들끼리 선을 그어봤습니다.

center = [37.541, 126.986]
m = folium.Map(location=center, zoom_start=11)

folium.PolyLine(
    locations = star_line,
    tooltip = 'PolyLine',
    color = "red",
    weight= 4
).add_to(m)

m.save('example.html')
m

Make this Notebook Trusted to load map: File -> Trust Notebook

hub = pd.DataFrame({'Hubs':['도봉산역 광역환승센터', '구파발역 광역환승센터',
                            '개화역 광역환승센터','천왕역 광역환승센터', 
                             '잠실 광역환승센터','도봉산역 광역환승센터'],
                             'X좌표':[37.691045996752, 37.64015861113067, 37.578556765067766,  37.48735340433893, 
                                    37.51249663491269,37.691045996752],
                             'Y좌표':[127.04363645660402, 126.91842031753778, 126.79749609583804, 126.83915199768646,
                                    127.10058008234365, 127.04363645660402]})

bus = pd.DataFrame({'bus':['청량리역 환승센터',  
                             '여의도 환승센터',  '구로디지털단지 환승센터',
                             '강변역 환승센터', '청량리역 환승센터'],
                             'X좌표':[37.58037340515229,  
                                    37.52630414701834,  37.48535927486731, 
                                   37.535242611502774, 37.58037340515229],
                             'Y좌표':[127.04595855803123, 
                                    126.924097109514 , 126.90190880569521, 
                                   127.09467354001603, 127.04595855803123]})

terminal = pd.DataFrame({'termina':['서울고속버스터미널','남부터미널'],
                             'X좌표':[37.50549269117386, 37.48430404681668],
                             'Y좌표':[127.00711388419461, 127.01602179398392]})

seoul = pd.DataFrame({'seoul':['서울역 버스환승센터', 
                             ],
                             'X좌표':[37.555422066901336 
                                    ],
                             'Y좌표':[ 126.97260814186792, 
                                    ]})

import os
F_hub = folium.FeatureGroup("F_hub")
F_bus = folium.FeatureGroup("F_bus")
F_terminal = folium.FeatureGroup("F_terminal")
F_seoul = folium.FeatureGroup("F_seoul")

hub_line = hub[['X좌표','Y좌표']]
hub_line = hub_line.values.tolist()

bus_line = bus[['X좌표','Y좌표']]
bus_line = bus_line.values.tolist()

terminal_line = terminal[['X좌표','Y좌표']]
terminal_line = terminal_line.values.tolist()



center = [37.541, 126.986]
m = folium.Map(location=center, zoom_start=11)



folium.PolyLine(
    locations = hub_line,
    tooltip = 'PolyLine',
    color = "#08f",
    weight= 4
   
).add_to(F_hub)

folium.PolyLine(
    locations = bus_line,
    tooltip = 'PolyLine',
    color = "red",
    weight= 4
).add_to(F_bus)

folium.PolyLine(
    locations = terminal_line,
    tooltip = 'PolyLine',
    color = "#0c0",
    weight= 4
   
).add_to(F_terminal)



long = seoul['Y좌표']
lat  = seoul['X좌표']
    

folium.CircleMarker([lat,long],color ='green', radius = 5, tooltip='seoul').add_to(F_seoul)



F_hub.add_to(m)
F_bus.add_to(m)
F_terminal.add_to(m)
F_seoul.add_to(m)

m.save('example.html')
m

Make this Notebook Trusted to load map: File -> Trust Notebook

• 파란색은 광역 환승센터 , 빨간색은 환승센터
• green circle은 서울역 , 연두색은 고속버스 터미널과 남부터미널 입니다.